浙江省地震及邻近地区地震对该省的影响

通过对浙江省的地震构造带和地震的分布规律及其邻近地区地震对浙江省影响的研究,分析了构造活动一地震的关系,总结了浙江省的地震状况及受邻近地区地震影响的烈度,有助于预测浙江省地震及邻近地区地震对浙江省的影响程度。     

矿山地震震级的极值分布

结合前人的研究成果,推导了矿山地震震级极值的冈贝尔I型分布,给出了其参数确定方法.在简要介绍老虎台矿矿山地震活动的构造及物理背景后,将震级极值分布应用于老虎台矿月最大震级的概率预测实践.结果表明,用这种方法预测的月最大震级概率分布与实际记录的矿震月最大震级分布一致.     

矿山微地震活动时空分布

利用最短距离聚类法对某矿山微地震活动的时空分布进行了分析,结合现场采掘计划,有效识别了井下地压活动区．通过建立各活动区内微震参数时间序列曲线,研究了局部围岩的应力变形规律,探讨了岩体失稳的前兆规律．结果表明：研究期间井下各微震聚集区相互孤立,采掘活动不会引起大范围的地压活动;微震累计事件数及累计能量时间序列曲线出现由平静突然增大时表征了岩体内累积应变能的突然释放,预示围岩稳定性的劣化．根据研究结果,最终建立了基于微震监测技术井下岩体稳定性研究的一般模式．     

甘肃华亭地震和平凉地震的特征分析

本项研究以2009-2012甘肃地震台网的观测数据为依据,研究了华亭地震和平凉地震的空间分布特征,初步估计了发震断层,并通过地震波形特征和频谱分析,展示了两个区域地震记录特征。研究结果对于这一地区区域地质构造、地震活动及发震机理研究具有参考意义。     

基于时间序列相似性匹配算法的地震预测研究

把匹配抽象时间序列相似性的方法引入到地震预报的应用中,结合大量地震历史源数据,地震领域的专家经验知识和相关成果基础上,提出了一种简化的抽象时间序列匹配模型。该模型在对海量数据进行预处理筛选的基础上再进行时间相似性匹配,增加了横向和纵向多方位地区和多方位时间段的匹配,不同时间差和阈值的匹配,并通过大量实验对该模型进行了反复验证,同时对我国地震频繁地区近几十年的地震历史数据进行了相似性匹配实验分析,取得了可信度较高的实验结果,实验结果验证了所给时间序列相似性匹配控制策略的有效性、实用性以及算法的优越性。     

基于节点汇聚的地震序列分析方法

基于时空影响域方法构造地震网络,结果显示地震网络具有小世界、无标度等复杂网络的一般特征.选取1990年至2010年的四川地震数据进行研究,这些地震大多分布在龙门山断裂带上.对所构造的地震网络进行节点汇聚,得到以节点为单位的地震序列,序列类型为前震-主震-余震型.通过对地震序列的能量变化进行研究发现,能量的变化不具有周期性,而一定大小的时间窗口内的地震能量和的变化具有周期性,且能量中心分布在龙门山断裂带的主中央带上.这些结果说明,基于节点汇聚的地震序列分析方法对于认识地震的发生规律具有重要的意义.     

辽宁及邻区地震活动预测

本文应用灰色系统理论，根据辽宁省及邻区所发生过地震的时间和强度（震级），对未来的地震活动趋势进行了预测，并对预测模型的精度进行了检验。结果表明，应用这一理论进行预测，能够体现出地震活动的特点，使理论值与实际情况相符合。     

浅析贵州矿山地震活动

本文仅对矿山活动与矿山地震，贵州矿山地震活动、典型震例与震害、矿震特点及破坏特征，矿震成因类型进行分析并提出一些看法。     

移动环境中的最大移动序列模式挖掘

在移动通信环境中,移动序列模式挖掘对于有效的提高位置管理的服务质量具有重大的意义.移动序列模式挖掘和传统的序列模式挖掘是不同的,首先,前者需要考虑更多的时间因素;其次,移动序列模式中的项之间是连续的,因为关心移动用户的下一次移动情况.本文提出了一种挖掘移动序列模式的新技术:聚类的思想引入到移动序列模式挖掘来处理移动历史的时间离散化,并且提出了一个高效的PrefixTree算法来挖掘移动序列.性能研究表明,Pref ixTree算法优于PrefixSpan-2算法.     

在有噪音的环境中挖掘序列模式精简基

提出在匹配度模型下频繁序列模式精简基的概念,精简基由相对于一系列匹配度阈值的最大序列模式组成,它是频繁序列模式的一个子集,可以用它来估计任一频繁序列模式的匹配度,并能将误差控制在确定范围内.还开发了一个从有噪音的序列数据库中挖掘这种序列模式精简基的算法,该算法采用了一种不需要保留候选序列模式的方法来检查最大序列模式,采用的剪枝技术也比以前的算法更有效率.实验结果显示计算频繁序列模式精简基是很有前途的.     

基于序列划分的压缩序列模式挖掘算法

研究了静态数据库当中挖掘压缩序列模式的问题,提出了一个压缩序列模式挖掘算法.该算法通过对闭序列模式全集进行划分处理,降低了序列的比对空间,并结合δ-dominant序列检测机制,有效的挖掘出了压缩序列模式集.实验表明,该算法具有较好的运行效率.     

序列模式挖掘在警用车辆维修数据分析中的研究与应用

将序列模式挖掘方法应用于警用车辆维修数据分析中,对车辆维修记录序列中的多个维度属性展开分析,获取辅助决策信息.实验结果表明:该序列模式挖掘方法在警用车辆维修数据分析中是可行、有效的.     

一种基于规则表达式约束的序列模式增量式挖掘算法

序列模式挖掘是数据挖掘中的研究热点之一。在挖掘过程中需要用户的参与日益显得重要。为了提高挖掘过程中的交互性，本文提出了一个基于规则表达式约束的序列模式增量式挖掘算法RE_IncUp。该算法首先利用约束对已经挖掘出的频繁序列模式进行预处理，缩小了搜索范围；然后采用模式扩展方法把规则表达式约束和增量挖掘过程融为一体，并且采用先修剪后计算支持度的方法进一步缩小了搜索范围，降低了支持度的计算量。该算法允许用户不断改变约束条件，实现交互式挖掘而且可将挖掘的目标仅仅聚焦到用户感兴趣的模式上。实验表明该算法对序列模式的维护和满足用户的需求都是十分有效的。     

序列模式的性质研究

序列模式挖掘是数据挖掘中一个重要研究方向,具有广泛的应用背景．序列模式挖掘会产生大量的模式,使得人们很难利用它们．提出上、下闭序列模式的概念,并得到上、下闭序列模式及其它们之间的若干性质,为解决序列模式的数量问题提供理论基础．     

基于PrefixSpan的快速交互序列模式挖掘算法

为了克服序列模式挖掘过程中重复运行挖掘算法而产生的时空消耗,提出了一个快速、简单而有效序列模式的交互式算法FISPM,利用前次挖掘得到的序列构造序列模式数据库用来存储挖掘出来的所有序列, 通过缩减本次挖掘所要构造投影数据库的频繁项的数量来减少构造投影数据库所需的时间以及投影数据库的大小,从而减少时间和空间消耗,提高挖掘效率.通过设置全局最小支持度来减少算法迭代次数. 实验结果证明在交互挖掘过程中FISPM效率优于PrefixSpan.     

A Fast Interactive Sequential Pattern Mining Algorithm

In order to reduce the computational and spatial complexity in rerunning algorithm of sequential patterns query, this paper proposes sequential patterns based and projection database based algorithm for fast interactive sequential patterns mining algorithm （FISP）, in which the number of frequent items of the projection databases constructed by the correct mining which based on the previously mined sequences has been reduced. Furthermore, the algorithm＇s iterative running times are reduced greatly by using global-threshold. The results of experiments testify that FISP outperforms PrefixSpan in interactive mining     

分布式环境下的序列模式发现研究

提出一种称为DMSP(Distributed Mining of Sequential Patterns)的算法,以解决分布式环境下的序列模式挖掘问题．其主要思想是：利用前缀投影技术划分模式搜索空间,降低数据库的规模,生成局部序列模式;利用模式前缀指定选举站点降低通信开销;多线程异步运行,提高算法的并行性．实验结果显示：在具有海量数据的局域网环境中,DMSP算法的性能优于将数据集中后采用GSP算法65％以上．     

大型数据库中的高效序列模式增量式更新算法

提出一种称为FIMS（fast incremental mining of sequential patterns)的序列模式增量式更新算法，处理因数据库的更新而引起的序列模式的维护问题。主要思想是利用原先的序列模式挖掘结果，通过建立一个投影数据库来减少对整个数据库的扫描次数和侯选序列的生成，从而提高挖掘的效率。实验结果显示在更新数据量远小于整个数据库的大小时，FIMS算法的性能优于GSP算法4－7倍。